Menurut laporan media asing, perusahaan kecerdasan buatan xAI yang didirikan oleh Elon Musk mengumumkan peluncuran model suara Grok Voice 3.0, yang kini tersedia melalui API agen suara dengan harga US$0.08 per menit (sekitar HK$1), sama dengan produk generasi sebelumnya. xAI menyatakan bahwa Grok Voice telah diterapkan dalam interaksi suara kendaraan Tesla dan SpaceX di pusat layanan pelanggan Starlink, yang menangani sekitar 20.000 panggilan pelanggan multibahasa setiap hari, di mana sekitar 70% panggilan dapat diselesaikan tanpa intervensi manusia.
Berdasarkan hasil pengujian yang dirilis oleh platform evaluasi AI independen Artificial Analysis, Grok Voice 3.0 memperoleh skor 86.9 dalam Speech-to-Speech Index (indeks komprehensif suara ke suara) dan menduduki peringkat pertama dalam penilaian pertamanya. Sebagai perbandingan, OpenAI dengan GPT-Live-1 (Astra, konfigurasi penalaran menengah) mendapatkan skor 83.2, Google Gemini 3.8 Live Extended Thinking (konfigurasi penalaran tinggi) mendapatkan skor 82.6, dan GPT-Live-1 (Sol, konfigurasi penalaran rendah) mendapatkan skor 80.1.
Grok Voice 3.0 meningkat 5.6 poin dari Grok Voice 2.0 yang mendapatkan skor 81.3, dan meningkat 13.2 poin dari Grok Voice 1.0 yang mendapatkan skor 73.7.
Grok Voice 3.0 Menunjukkan Peningkatan Signifikan di Bidang Agen Suara
Dalam indikator spesifik, kinerja Grok Voice 3.0 menunjukkan variasi. Dalam hal tingkat keberhasilan tugas, model ini menduduki peringkat pertama dengan 94.8% dalam pengujian Speech Agent Arena, sedikit lebih tinggi dibandingkan Grok Voice 2.0 yang mencapai 94.6%. Dalam kemampuan eksekusi agen suara, model ini mendapatkan skor 71.6% dalam pengujian Tau Voice, hanya kalah dari GPT-Live-1 (Astra, konfigurasi menengah) yang mendapatkan 74.5%, dan jauh lebih tinggi dibandingkan Grok Voice 2.0 yang hanya mendapatkan 56.5%.
Dalam hal penalaran audio, Grok Voice 3.0 mendapatkan skor 98.5% dalam pengujian Big Bench Audio, melampaui model terkait Google yang mendapatkan 97.7% dan Grok Voice 2.0 yang mendapatkan 97.2%. Namun, dalam hal preferensi pengguna, skor Elo-nya adalah 1070, lebih rendah dibandingkan Gemini 3.1 Flash Live Minimal yang mendapatkan 1100 dan Gemini 3.8 Live yang mendapatkan 1088, menduduki peringkat ketiga.
Untuk agen suara yang memerlukan interaksi waktu nyata, latensi respons adalah indikator kunci yang mempengaruhi pengalaman pengguna. Pengujian oleh Artificial Analysis menunjukkan bahwa dalam pengujian Big Bench Audio, rata-rata waktu respons audio pertama Grok Voice 3.0 adalah 0.81 detik, sedikit lebih lambat dibandingkan Grok Voice 2.0 yang mencapai 0.72 detik, tetapi masih di bawah 1 detik. xAI dalam rilis resminya menyatakan bahwa Grok Voice 3.0 dapat merespons pelanggan dalam waktu kurang dari 1 detik, dengan biaya yang lebih rendah dibandingkan model terdepan di industri.